豆瓣电影名字与年份 selector 运用CSS方法
这一版本将年份返回值做了去两端括号处理，借鉴了这个例子https://blog.csdn.net/mach_learn/article/details/41744487
#一个去除杂乱符号的例子
import re
temp = "想做/ 兼_职/学生_/ 的 、加,我Q： 1 5. 8 0. ！！？？ 8 6 。0. 2。 3 有,惊,喜,哦"
string = re.sub("[\s+\.\!\/_,$%^*(+\"\']+|[+——！，。？、~@#￥%……&*（）]+", "",temp)#用法: re.sub(要被替换的值，替换值，text)
print(string)
接下来是我今晚初学爬虫的成果XD（虽然很弟弟）
首先当然是import部分
from requests_html import HTMLSession
import re
接下来是函数主体
def clearstr(str1):
str1 = re.sub("[\s+\.\!\/_,$%^*()+\"\']+|[+——！，。？、~@#￥%……&*（）]+", "",str1)#用法: re.sub(要被替换的值，替换值，text)
return str1
def getmovieyear(links):
name = []
year = []
for link in links:
session1 = HTMLSession()
h1 = session1.get(link)
n1=h1.html.find('#content > h1 > span:nth-child(1)',first=True).text#得到name的text格式
y1=clearstr(h1.html.find('#content > h1 > span.year',first=True).text)#得到year的text格式并清洗格式
name.append(n1)
year.append(y1)
for movie in name:
i=0
print("《{0}》 is showed in {1}".format(movie,year[i]))
i=i+1
最后是示例效果
mylink=['https://movie.douban.com/subject/1292052/']
getmovieyear(mylink)
输出为：《肖申克的救赎 The Shawshank Redemption》 is showed in 1994
明天的目标
学习bs4的使用:Beautiful Soup 的用法
